PENGEMBANGAN DAN EVALUASI MODEL DEEP LEARNING BERBASIS CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT ALZHEIMER MENGGUNAKAN CITRA MRI

Penyakit Alzheimer merupakan penyebab utama demensia global, sehingga deteksi dini melalui citra Magnetic Resonance Imaging (MRI) menjadi penting. Namun, sebagian besar penelitian terdahulu melakukan pembagian data pada tingkat gambar (image-level split) yang berisiko menyebabkan kebocoran data (data leakage) antar subjek, serta jarang menyertakan interpretabilitas model maupun evaluasi pada tingkat subjek. Penelitian ini mengembangkan dan mengevaluasi model Convolutional Neural Network (CNN) custom untuk klasifikasi biner Cognitively Normal (CN) dan Alzheimer’s Disease (AD) pada dataset terbuka OASIS-1, dengan tiga kontribusi metodologis utama: pembagian data berbasis subjek (subject-level split) menggunakan GroupShuffleSplit terstratifikasi, agregasi prediksi per subjek (per-subject aggregation), dan interpretabilitas model menggunakan Gradient-weighted Class Activation Mapping (GradCAM). Model dilatih menggunakan 30.985 citra hasil middle slice filtering dan oversampling pada 255 subjek data latih, dengan arsitektur empat blok konvolusi (488.577 parameter, 487.617 di antaranya dapat dilatih), optimizer AdamW, penjadwalan learning rate cosine decay, dan callback Early Stopping berbasis val_auc. Hasil evaluasi pada 38 subjek data uji (3.528 citra) menunjukkan akurasi 90,39% pada tingkat per-slice dan meningkat menjadi 94,74% pada tingkat per-subjek, dengan F1-score 78,88%/88,89%, AUC-ROC 89,72%/90,80%, dan Matthews Correlation Coefficient (MCC) 0,7268/0,8544. Visualisasi GradCAM menunjukkan aktivasi model terkonsentrasi pada region periventrikel dan temporal-medial yang relevan secara klinis, meskipun sebagian aktivasi juga muncul pada region non-otak sebagai keterbatasan yang perlu diperbaiki pada penelitian lanjutan. Sebagai bukti konsep, penelitian ini juga menghasilkan prototipe antarmuka aplikasi web berbasis Streamlit untuk skrining awal. Model yang dikembangkan berpotensi menjadi alat bantu skrining awal Alzheimer yang lebih realistis secara metodologis, namun bukan pengganti diagnosis klinis oleh tenaga medis profesional.